小样本点云深度学习库_小样本学习(二)

我对小样本学习的误解与困惑

我们的“小样本”真的很小吗？

我们似乎习惯性的拿深度学习的大量数据集训练，与人类婴儿做对比。并借此来嘲讽AI:You are not as good as me, you are loser.

但，最近的一些不连贯的思考，使我开始反思，我们人类小样本真的比机器学习与深度学习小吗？

然而，作为一名长期患有face blindness 的我。很难仅仅依赖图源信息完成"视觉图像上的"人⇒人的识别，还记得转学的时候(小学二年级由老家到保定借读)，我除了听课以外，还要花大量的课堂时间，通过老师点名同学回答问题，来观察并记录全班同学的姓名，座位，以及声音。至少在刚刚入学的一大段时间里，我没有将所有的精力集中于听课，重心几乎全部放在了整合全班同学的身份标识上。

或许就像婴儿那样，只要是female就是妈妈，也或者依靠体味信息吧。我更多的是依赖于对声音与体态的运动特征，来对具体的对象进行再记忆。

在举一个极端的例子，就是萨尔路斯猎狼犬和哈士奇的图片与狼放到一起，我将很难分出哪条是狼，哪条是犬。

仅仅从以上脸盲症患者识别人的策略来对应图像识别技术。我们的“小样本”学习其实并不小，我们的足够多元。从维度上将我们具备五个维度:

广泛的图源表征、运动侦测、声音纹理、超曲面(三维景深/虚拟景深)、互动行为反馈。

我们至少基于该五类综合分析下的少量数据集，再最终落实到大量的图元数据的识别上。虽然我们的训练数据远远不及我们的AI，但我们有不同类型的学习样本，以及跨界信息整合关键要素的能力。仅在这一点上，我们的AI似乎只有单一的同类型图元信息标注集。

由此，我们对同一物体的识别上，我们的基数是5.0000xn ：1.0000xn。若我们将单一图元信息列为小数点之后的数位标度，那么5.2与 1.7846195634956197546154616比谁更大一些哪？

在三维景深/虚拟景深，我们的大脑能够快速的完成超曲面的表征化，以及平面圆盘投影，就像“老顾谈几何”中对虚幻引擎所解构的那样。